谷歌重磅發2017學術影響因子：AI、視覺、機器人TOP20

【新智元導讀】近日，谷歌發布了2017最新版本的谷歌學術指標，對收錄的會議和期刊論文根據被引用情況進行排名。在人工智慧領域，arXiv排在第一超越了著名的NIPS。在更細分的領域，比如計算機視覺中，CVPR排在第一。以「機器學習」為關鍵詞進行排名，ICML排名第一。谷歌同時也發布了具體會議和期刊被引用最多的文章，比如，視覺領域的文章被引用得最多的是 Wei Liu和賈揚清等人合作介紹GoogLeNet的論文。

1 新智元報道

來源： Google Scholar

報道：弗格森 劉小芹

谷歌學術指標提供了一個簡便的方法，讓學者們可以迅速地看到學術出版物上最新文章的影響力。

近日，谷歌發布了2017最新版本的谷歌學術指標（ 2017 version of Scholar Metrics），本次發布覆蓋了從2012到2016年發布的所有文章，並包括截至2017年6月在谷歌學術搜索中索引的所有文章引用情況。

谷歌學術指標收錄的文章包括：遵守谷歌學術收錄準則的網站、計算機和電子工程領域特定的會議論文、以及來自arXiv和NBER的預印本。 2012-2016，出版低於100篇文章的出版物，或者這段時間內沒有被引用的出版物沒有被收錄在內。

在谷歌的官方網站上，你可以用特定的類型關鍵詞進行搜索，比如 Ceramic Engineering、 High Energy & Nuclear Physics 或者 Film ；或者更寬泛的領域，比如 Engineering & Computer Science 或者 Humanities, Literature & Arts 。

在網站上，你可以看到根據5年高引用（h-index）和 h-median 指標排名的前20出版物。你也能看到不同語種排名前100的出版物，比如中文、西班牙語和葡萄牙語。每一個出版物，你可以點擊 h5-index 查看改出版物被引用最多的論文。

學者指標包括除了每個類別和每個語言頁面上列出的大量出版物。您可以在搜索框中的標題中輸入單詞，例如[allergy]，[cardiología]，[biomarkers]，找到這些內容。

Nature 排在總榜單第一名

谷歌學術把英文類出版物分為以下幾大類：

商業、經濟和管理

化學和材料科學

工程和計算機科學

健康和醫學科學

人文、文學和藝術

生命科學和地球科學

物理和數學

社會科學

英文類出版物，網站列出了TOP100的名單，其中 Nature 排名第一，H5指數366，H5中位數563。

工程與計算機科學

在工程和計算機科學類目下，排名第一的是Advanced Materials（先進材料）。《先進材料》（英語：Advanced Materials）是一本涵蓋材料科學的學術周刊。期刊發表的文章經過同行評審，論文類型包括通訊、綜述和特稿，內容涉及物理學、化學、生物學、納米科學和技術、冶金學、陶瓷和生物材料。

排在第2位的是 Nano Letters（納米通訊）。Nano Letters 是國際納米科學技術領域的權威學術期刊，由美國化學學會出版，其目的是快速公布一項研究的關鍵部分，因此傾向於發表短小、通訊樣式的文章。

排名第3的是 Energy & Environmental Science（能源與環境科學）。這是一份2008年起由英國英國皇家化學院發行的學術期刊，內容涵蓋生物化學、生物物理以及化學工程。

我們比較熟悉的 CVPR 排在第6位，CVPR全稱IEEE Conference on Computer Vision and Pattern Recognition, CVPR（IEEE計算機視覺與模式識別會議），是由IEEE舉辦的計算機視覺領域的頂級會議，近年來每年有約1500名參加者，收錄的論文數量在300篇左右。

排名第5，第7，第8的分別是Nature的三種子刊，Nature Materials（自然-材料科學），Nature Nanotechnology（自然-納米技術）和 Nature Photonics（自然-光子學）。

工程和計算機科學類目下分為56個子領域，其中包括人工智慧、計算機語言學、計算機視覺與模式識別、人機交互、Robotics。下文將對這些領域進行詳細介紹。

人工智慧類 TOP 20

arXiv上計算機科學類以Learning為關鍵詞的文章被排在了這個列表的第一名，H5指數107。頂會NIPS排在了第二名，Expert Systems with Applications 排在第三。

來看看這一領域arXiv 被引最多的論文前三名：

第一名是阿姆斯特丹大學、Open AI 研究員 Diederik P. Kingma 和多倫多大學的Jimmy Lei Ba2014年合作的論文：《 Adam：A Method for Stochastic Optimization》，引用次數多達 2752 次。

第二名是蒙特利爾大學的Yoshua Bengio， Aaron Courville和 Pascal Vincent 聯合完成的《Representation Learning: A Review and New Perspectives》。

第三名是谷歌的 Sergey Ioffe 和 Christian Szegedy的《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》。

計算機視覺與模式識別類 TOP 20

在計算機視覺與模式識別領域，IEEE的CVPR領先arXiv排在第一名，ICCV排在第六。

視覺領域的文章被引用得最多的是Christian Szegedy, Wei Liu, 賈揚清, Pierre Sermanet, Scott Reed, Dragomir Anguelov, Dumitru Erhan, Vincent Vanhoucke, Andrew Rabinovich等人共同完成的《Going Deeper With Convolutions》，這篇論文介紹了谷歌的GoogLeNet，見下圖：

該領域被引最多的文章中，還有一篇也非常值得關注。微軟亞洲研究院研究員孫劍、何愷明以及西安交通大學和中國科學技術大學的實習生張祥雨和任少卿共同合作的研究《Deep Residual Learning for Image Recognition》。這篇文章排在了第三名，被引2451次。

CVPR該領域被引文章列表詳情：https://scholar.google.com/citations?hl=en&vq=eng_computervisionpatternrecognition&view_op=list_hcore&venue=l60tToE7K3UJ.2017

計算機語言學TOP20

在自然（Google scholar中的分類是Computational Linguistics）領域，排名第一的是 arXiv 的「計算機與語言」板塊（cs.CL）。

arXiv之後，第2~5位均是會議。排名第2的是ACL，全名Meeting of the Association for Computational Linguistics（國際計算語言學年會），是計算機語言學和自然語言處理領域最高級別的國際學術年會。ACL年會已有55年歷史，每年發表的論文都反映了NLP領域的最新研究進展和學術動向。

第3~5位分別是EMNLP，HLT-NAACL和LREC三個學術會議。

排名第一的是 arXiv 的「計算機與語言」板塊（cs.CL）被引用最多的三篇文章，排在第一的是由Tomas Mikolov，Ilya Sutskever，Kai Chen，Greg S. Corrado和Jeff Dean等人共同完成的《Distributed Representations of Words and Phrases and their Compositionality》。

人機交互類 TOP 20

機器人類TOP 20

機器學習類 TOP 15

在谷歌學術的網站上，可以使用自定義關鍵詞進行搜索，新智元以「Machine Learning」為關鍵詞進行搜索，獲得的結果如下：

以 Machine Learning 為關鍵詞進行搜索，可以看到谷歌學術的排名第一的是 International Conference on Machine Learning (ICML) 。ICML如今已發展為由國際機器學習學會（IMLS）主辦的年度機器學習國際頂級會議。

第二名是arXiv上的 ML 類別。第三名：The Journal of Machine Learning Research 。

排名第一的ICML大會被引用最多三篇的論文：

排名第一的ICML大會被引用最多的論文：Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift。作者是谷歌的 Sergey Ioffe, Christian Szegedy。

被引用第二多的論文，DeCAF: A Deep Convolutional Activation Feature for Generic Visual Recognition。作者包括：Jeff Donahue, 賈揚清 , Oriol Vinyals, Judy Hoffman, Ning Zhang, Eric Tzeng, Trevor Darrel。

2012年，吳恩達與Jeff Dean，Quoc V. Le ， Marc』Aurelio Ranzato ，Rajat Monga ，Matthieu Devin，Kai Chen ，Greg S. Corrado 等人合作的論文 Building High-level Features Using Large Scale Unsupervised Learning排在了第三名，被引用了1258次。

谷歌學術查詢地址：https://scholar.google.com/citations?view_op=top_venues&hl=en&vq=eng

點擊閱讀原文查看新智元招聘信息

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！